基于变分模态分解和支持向量机的滚动轴承品质评估

发布时间：2021-05-17 01:37

　　针对滚动轴承品质评估过程中振动信号代表性特征提取不充分且模式识别方法精度低等不足,提出了基于变分模态分解（VMD）和支持向量机（SVM）的滚动轴承品质评估方法,首先,对3个品质等级的轴承样品进行振动信号的采集;其次,计算滚动轴承振动信号的有效值、峰值和峭度值3个时域指标（TDI）,并采用VMD方法将信号分解为4个有限带宽模态函数（BIMF）,并分别计算其排列熵（PE）值;最后,将3个时域指标和4个排列熵值共计7个特征作为SVM的输入变量构建轴承品质等级预测评估模型.实验结果表明:与TDI–PE–SVM模型相比, TDI–VMD–PE–SVM轴承品质评估模型更优,识别率由83.33%提高到93.33%, VMD方法有效地提高了振动信号的分辨率,有利于轴承振动信号细节特征信息的提取. 

【文章来源】：控制理论与应用. 2020,37(07)北大核心EICSCD

【文章页数】：8 页

【文章目录】：
1 引言
2 算法理论介绍
    2.1 变分模态分解
    2.2 排列熵计算
    2.3 支持向量机
3 滚动轴承品质评估方法及评价
    3.1 滚动轴承品质评估方法
    3.2 模型的评价标准
4 实验部分
    4.1 轴承振动信号的采集
    4.2 滚动轴承振动信号的时域分析
    4.3 滚动轴承振动信号的VMD及排列熵分析
    4.4 滚动轴承品质评估模型的建立
        4.4.1 基基于时域特征结合PE和和结合VMD–PE的滚动轴承品质评估
        4.4.2 最优判别模型分析
    4.5 公开数据集的方法验证
5 结论


【参考文献】：
期刊论文
[1]基于EMD和AR模型的轴承故障诊断[J]. 尚长沛,张松泓.  食品与机械. 2019(07)
[2]基于EEMD奇异值熵的滚动轴承故障诊断方法[J]. 张琛,赵荣珍,邓林峰.  振动.测试与诊断. 2019(02)
[3]基于VMD和SVM的舰船辐射噪声特征提取及分类识别[J]. 李余兴,李亚安,陈晓,蔚婧.  国防科技大学学报. 2019(01)
[4]基于改进排列熵的滚动轴承故障特征提取[J]. 陈祥龙,张兵志,冯辅周,江鹏程.  振动工程学报. 2018(05)
[5]基于VMD-Hilbert变换的故障行波定位研究[J]. 谢李为,曾祥君,柳祎璇.  电力系统保护与控制. 2018(16)
[6]经验模态分解结合包络谱LSSVM的滚动轴承故障诊断[J]. 郝勇,商庆园,温钦华,赵翔,陈斌.  计算机测量与控制. 2018(02)
[7]基于振动信号的轴承故障诊断技术综述[J]. 沙美妤,刘利国.  轴承. 2015(09)
[8]基于定子电流监控的轴承故障在线监测[J]. 张海刚,尹怡欣,祝乔,杨永亮.  控制理论与应用. 2015(04)



本文编号：3190811